Question

由于我有二进制响应的数据，但是罕见的事件，我想通过拟合bgeva模型而不是gam模型来改进其预测。为了证明和比较它的预测准确性并将其与我尝试的其他模型进行比较，我需要计算AUC并绘制ROC曲线。

问题是我的代码与glm和gam一起使用，不适用于bgeva个对象。确切地说，使用函数predict()打印错误： no applicable method for 'predict' applied to an object of class "bgeva" 我的朋友谷歌没有为我找到任何解决方案。

以下是bgeva()包中的一个简单示例以及我用于计算AUC并绘制glm和gam个对象的ROC曲线的代码：

library(bgeva)

set.seed(0)
n <- 1500
x1 <- round(runif(n))
x2 <- runif(n)
x3 <- runif(n)
f1 <- function(x) (cos(pi*2*x)) + sin(pi*x)
f2 <- function(x) (x+exp(-30*(x-0.5)^2))
y <- as.integer(rlogis(n, location = -6 + 2*x1 + f1(x2) + f2(x3), scale  = 1) > 0)
dataSim <- data.frame(y,x1,x2,x3)

################
# bgeva model: #
################
out <- bgeva(y ~ x1 + s(x2) + s(x3))

# AUC for bgeva (does not work)##################################
library(ROCR)
pred <-as.numeric(predict(out, type="response", newdata=dataSim))
rp <- prediction(pred, dataSim$y) 
auc <- performance( rp, "auc")@y.values[[1]]
auc

################
# gam model:   #
################
library(mgcv)

out_gam <- gam(y ~ x1 + s(x2) + s(x3), family=binomial(link=logit))

# AUC and ROC for gam (the same code, works with gam) ############
 pred_gam <-as.numeric(predict(out_gam, type="response"))
 rp_gam <- prediction(pred_gam, dataSim$y)

 auc_gam <- performance( rp_gam, "auc")@y.values[[1]]
 auc_gam

 roc_gam <- performance( rp_gam, "tpr", "fpr")
 plot(roc_gam)

Answer 1

＃您可以计算

pred <-as.numeric(predict(out$gam.fit, type="response", newdata=dataSim))

＃您的示例

> auc
[1] 0.7840645

R：如何计算'bgeva'objekt / model的AUC和ROC曲线？

1 个答案: